Claim Missing Document
Check
Articles

Found 4 Documents
Search

Convenience Sampling dengan Survei Daring pada Minat Lanjut Studi Siswa SMA/Sedejarat di Provinsi Sulawesi Selatan Arifin; Ermawati; Jaya, Andi Indra; Pratiwi
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 12 No 1 (2024): VOLUME 12 NO 1 TAHUN 2024
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v12i1.50672

Abstract

Penelitian ini bertujuan untuk mengetahui minat studi lanjut siswa SMA/Sederajat ke perguruan tinggi di Provinsi Sulawesi Selatan dengan menggunakan teknik convenience sampling dan survei daring. Teknik convenience sampling dipilih karena kemudahan akses dan distribusi yang efisien. Survei daring dilakukan dengan menyebarkan angket yang dibuat menggunakan Google form kemudian dibagikan melalui grup WhatsApp. Data yang berhasil dikumpulkan selama 4 hari sebanyak 221 respoonden/siswa kelas 12 SMA dari berbagai kota dan kabupaten di Sulawesi Selatan. Hasil survei menunjukkan bahwa 75,1% siswa berminat untuk melanjutkan studi, dengan sebagian besar tertarik pada bidang teknik (24,9%) dan kesehatan (22,6%). Sedangkan faktor utama dalam memilih perguruan tinggi adalah biaya yang terjangkau (62,4%). Penelitian ini memberikan wawasan awal mengenai minat studi lanjut siswa di Sulawesi Selatan, serta menunjukkan efesiensi penggunaan convenience sampling melalui survei daring Google form dan grup WhatsApp sebagai alat pengumpulan data.
INTERPRETABLE PREDICTIVE MODEL OF NETWORK INTRUSION USING SEVERAL MACHINE LEARNING ALGORITHMS Ahsan, Muhammad; Anam, Arif Khoirul; Julian, Erdi; Jaya, Andi Indra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 1 (2022): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (452.572 KB) | DOI: 10.30598/barekengvol16iss1pp057-064

Abstract

Network intrusion is any unauthorized activity on a computer network. Attacks on the network computer system can be devastating and affect networks and company establishments. Therefore, it is necessary to curb these attacks. Network Intrusion Detection System (NIDS) contributes to recognizing the attacks or intrusions. This paper explains the factors that influence network attacks. Some machine learning methods are used such as are logistic regression, random forest XGBoost, and CatBoost. The best model is chosen from these models based on its accuracy level. Classification modeling is divided into two types, namely using a dummy and not using dummy variables. The best method for predicting network intrusion is a random forest with a dummy variable that has an Area Under Curve (AUC) value of 92.31% and an accuracy of 90.38%.
CREDIT CARD FRAUD DETECTION USING LINEAR DISCRIMINANT ANALYSIS (LDA), RANDOM FOREST, AND BINARY LOGISTIC REGRESSION Ahsan, Muhammad; Susanto, Tabita Yuni; Virania, Tiza Ayu; Jaya, Andi Indra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 4 (2022): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.798 KB) | DOI: 10.30598/barekengvol16iss4pp1337-1346

Abstract

The growth of electronic payment usage makes the monetary tension of credit-card deception is changing into major defiance for finance and technology companies. Therefore, pressuring them to continuously advance their fraud detection system is crucial. In this research, we describe fraud detection as a classification issue by comparing three methods. The method used is Linear Discriminant Analysis (LDA), Random Forest, and Binary Logistic Regression. The dataset used is a dataset containing transactions made by credit cards. The challenge in this analysis is that the dataset is highly unbalanced, so SMOTE must perform better on the data. The dataset contains only continuous features that are transformed into Principal Component Scores (PCs). The results show that the binary regression algorithm, the Random Forest algorithm, and the Linear Discriminant Analysis with variables that have SMOTE have AUC values greater than using the original variables. The largest AUC value was obtained by binary logistic regression with 90:10 separation data and Random Forest Algorithm with 60:40 separation data.
ANALISIS DATA KEUANGAN DESA PADA APLIKASI SISKEUDES DENGAN MENGGUNAKAN METODE STATISTIKADI KECAMATAN MANUJU KABUPATEN GOWA Abubakar, Ardiansyah; Jaya, Andi Indra; Ahmad, Nur Aminah; Zulwaqar, Andi Arisyi; Lestari, Sri Dian
BESIRU : Jurnal Pengabdian Masyarakat Vol. 1 No. 9 (2024): BESIRU : Jurnal Pengabdian Masyarakat, September 2024
Publisher : Lembaga Pendidikan dan Penelitian Manggala Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62335/zmqtw377

Abstract

Laporan keuangan desa adalah elemen terpenting dalam memastikan akuntabilitas dan transparansi pengelolaan dana desa, yang merupakan milik public dan dialokasikan melaluli pemerintah pusat dan daerah. Penyusunan laporan keuangan yang akurat dan tepat waktu penting untuk memenuhi tuntutan public akan pertanggungjawaban dan untuk meningkatkan transparansi informasi keuangan desa. Unruk mendukung pengelolaan keuangan desa, pemerintah Kabupaten Gowa telah mengimplementasikan SISKEUDES (Sistem Keuangan Desa) sebuah aplikasi keuangan berbasis online. Namun, Desa Tanakaraeng di Kecamatan Manuju Kabupaten Gowa menghadapi tantangan dalam memahami analisis laporan keuangan dari SISKEUDES. Metode sosialisasi, pelatihan dan pendampingan yang diterapkan dalam kegiatan ini terbukti efektif. Respon positif peserta, partisipasi aktif dalam pelatihan, serta antusiasme dalam diskusi dan praktik menunjukkan keberhasilan kegiatan ini. Kegiatan PkM menunjukkan adanya peningkatan pengetahuan dan keterampilan peserta dalam menyusun dan menganalisis laporan keuangan desa menggunakan aplikasi SISKEUDES (Sistem Keuangan Desa).